使用 Dplyr 添加比例列答案

【问题标题】：Adding a Proportion Column with Dplyr使用 Dplyr 添加比例列
【发布时间】：2021-03-15 23:58:29
【问题描述】：

假设我有以下数据框，它也被更改为包含 a、b 和 c 的计数，具体取决于它们是按 Z = 0 还是 1 分类

X <- (1:10)
Y<-  c('a','b','a','c','b','b','a','a','c','c')
Z <- c(0,1,1,1,0,1,0,1,1,1)
test_df <- data.frame(X,Y,Z)

（以下代码由栈交换成员提供，谢谢！）

res <- test_df %>% group_by(Y,Z) %>% summarise(N=n()) %>%
  pivot_wider(names_from = Z,values_from=N,
              values_fill = 0)

如何在右侧添加一列来指示 z=1 的每个字母在该字母的所有外观中所占的比例？一个基本的总结性陈述似乎应该起作用，但我知道如何......

我的预期输出是这样的

  Z=0 Z=1 PropZ=1
a  2   2     .5
b  1   2     .66
c  0   3     1

【问题讨论】：

标签： r dataframe dplyr

【解决方案1】：

也许这有帮助

library(dplyr)
library(tidyr)
test_df %>%
   group_by(Y, Z) %>% 
   summarise(N = n(), .groups = 'drop') %>% 
   left_join(test_df %>%
                group_by(Y) %>% 
                summarise(Prop = mean(Z == 1), .groups = 'drop')) %>% 
   pivot_wider(names_from = Z, values_from = N, values_fill = 0)

-输出

# A tibble: 3 x 4
#  Y      Prop   `0`   `1`
#  <chr> <dbl> <int> <int>
#1 a     0.5       2     2
#2 b     0.667     1     2
#3 c     1         0     3

【讨论】：

这为我提供了我正在寻找的东西。谢谢你。但是，据我了解，我有几个后续问题：.groups = 'drop' Likewise 做了什么，为什么我们要在其中使用命令进行另一个汇总，以及为什么需要左连接？另外，在第二个总结中，mean(Z==1) 如何提供有问题的比例？再次感谢您！
@PortMadeleineCrumpet .groups 部分可以从here 得到更好的解释。关于为什么要两组。您可以先使用mutate，然后将这些列也添加到group_by 中，然后汇总并删除left_join。我认为加入连接更容易理解。那么mean就是一个逻辑向量的比例。即mean(c(TRUE, TRUE, FALSE))
这很有帮助。这个问题，又是为了我的理解。我对左连接进行了一些研究，我想我明白了，我们在这里用左连接做的是命令 r 将对象“trial_df”左连接到我们即将创建的东西，这是trial_df，按 Y 分组（按 a、b、c 组织），通过这些组中有多少的 Z 值为 1 的平均值进行汇总？如果这是正确的，那么我的下一个问题是，R 怎么知道然后用 1 和 0 命名 N 和 prop？我没有看到告诉它这样做的命令...
@PortMadeleineCrumpet 在这里，连接是在汇总数据集上，它们都具有公共列“Y”。 'N'的命名，'Prop'取自pivot_wider，当有多个列时，我们在values_from中指定
@PortMadeleineCrumpet 您可以从values_from 中删除“道具”，它应该会给出预期的输出。我更新了

【解决方案2】：

  test_df %>% group_by(Y) %>%
  summarise( z0 = sum(Z == 0), z1 = sum(Z == 1) , PropZ = z1/n())

【讨论】：

【解决方案3】：

我不确定您的预期输出是什么，但以下可能是一些选项

u <- xtabs(q ~ Y + Z, cbind(test_df, q = 1))
> u
   Z
Y   0 1
  a 2 2
  b 1 2
  c 0 3

或

> prop.table(u)
   Z
Y     0   1
  a 0.2 0.2
  b 0.1 0.2
  c 0.0 0.3

【讨论】：

【解决方案4】：

要计算每个字母 1 的比例，您可以使用 rowSums。

transform(res, prop_1 = `1`/rowSums(res[-1]))

在dplyr：

library(dplyr)

res %>%
  ungroup %>%
  mutate(prop_1 = `1`/rowSums(.[-1]))

#  Y       `0`   `1` prop_1
#  <chr> <int> <int>  <dbl>
#1 a         2     2  0.5  
#2 b         1     2  0.667
#3 c         0     3  1

【讨论】：